技能介绍

要解决什么问题

临床 ASR 不能只看 WER：词错率很低时，药名、术式等 term 仍可能被拆成相邻 token，下游药房或术语检索会直接失败。阶段 3 面向的是：你已有带临床扩展字段的 NeMo 格式 manifest.jsonl（来自构建阶段或外部），需要用选定 ASR NIM 批量转写、算清四项指标、按维度拆 KER，并据此决定是进微调、回构建补 IPA/术语，还是评测已足够可以停。

技能如何工作

工作流可以概括为四步：

3a 选模型：默认 nvidia/parakeet-tdt-0.6b-v2（NVCF 离线 gRPC），可通过环境变量切托管 NIM 或自托管 ASR_ENDPOINT；消耗额度前会回显模型与 function ID。
3b 转写：对 manifest 每行的 audio_filepath 调用离线识别，产出 per-sample 假设文本（音频会发往 NVIDIA ASR 服务，需事先向用户披露）。
3c 打分：在统一归一化（小写、NFKD、去标点保留连字符、压空白）后计算 WER / CER / KER / SER；KER 要求 term 在假设中顺序且相邻出现，是临床门控指标。
3d 排行榜 + 决策树：固定五段顺序——整体四项 → 按 entity_category 的 KER → 按 ipa_source 的 KER（merriam-webster 与 magpieg2p 的差值说明 SSML 流水线是否在起作用）→ 按 noise_level → 逐术语 KER（从最差起）。再按优先类别（如 drug）KER 路由：>0.3 且 manifest ≥100 行建议 /digital-health-clinical-asr-finetune；0.1–0.3 首次评测倾向回构建扩术语；merriam-webster 好、magpieg2p 差 应回构建 2d，不要首选微调。

边界与注意

本技能不生成音频；无 manifest 应回阶段 2 构建。打分在本地 Python 完成，仅 ASR 步骤外传数据；manifest 预期为合成评测音频，勿传真实患者录音或 PHI。默认评测假设英文与严格连续 KER；一次运行只评一个模型，多模型需多次跑再对比报告。鉴权、gRPC 流式、NIM 部署等问题应路由到 riva-asr 等兄弟技能，而非在本阶段硬跑。